بررسی تشخیص لبه در ارتباط با تصاویر از طریق اتوماتای یادگیر سلولی ناهمگا م باز
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 708
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ02_355
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
اتوماتای یادگیر سلولی ناهمگام باز بر خلاف اتوماتای یادگیر سلولی که در آن تمامی سلولها بطور همگام بروز می شوند، سلولها را بطور ناهمگام بروز می کند. همچنین حالت هر سلول علاوه بر حالات همسایه های آن به یک عامل خارجی سراسری نیز بستگی دارد اتوماتای یادگیر سلولی مدلی برای سیستم هایی که از اجزاء ساده ای تشکیل شده اند و رفتار هر جزء براساس رفتار همسایگان و نیز تجربیات گذشته اش تعیین و اصلاح می شود. اجزاء ساده تشکیل دهنده این مدل، از طریق کنش و واکنش با یکدیگر می توانند رفتار پیچیده ای از خود نشان دهند. در این مقاله روشی مبتنی بر اتوماتای یادگیر سلولی ناهمگام باز برای یافتن لبه در تصاویر ارائه و با یکی از روشهای کلاسیک تشخیص لبه به نام اپراتورکنی مقایسه می گردد. روش پیشنهادی، به نویز حساسیت کمی دارد و همچنین سعی می کند امتداد لبه ها را بطور متصل تشخیص بدهد. مشخصه دیگر روش جدید، تشخیص لبه هایی با پهنای یک نقطه و حساسیت کمتر به بافتهای موجود در تصویر است. بدلیل استفاده از مدلی از اتوماتای سلولی، روش پیشنهادی را می توان بصورت توزیعی نیز پیاده سازی کرد. نتایج آزمایشها نشان داده است که روش پیشنهاد شده از کارایی خوبی در تشخیص لبه ها برخوردار است و نسبت به نویز و بافتهای تصویر حساسیت کمی دارد.
Keywords:
اتوماتای یادگیر سلولی , اتوماتای یادگیر , اتوماتای یادگیر سلولی ناهمگام باز , پردازش تصاویر , یافتن لبه
Authors
مسعود بکروی
مربی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اردبیل
صادق یعقوبی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات اردبیل
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :